基于粒子群算法的汽轮机组回热系统优化设计_李飞.docx

《基于粒子群算法的汽轮机组回热系统优化设计_李飞.docx》由会员分享，可在线阅读，更多相关《基于粒子群算法的汽轮机组回热系统优化设计_李飞.docx（56页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 华北电力大学硕士学位论文原创性声明 本人郑 m声明：此处所提交的硕士学位论文基于粒子群货法的汽轮机组冋热 系统优化设计，是本人在导师指导下，在华北电力大学攻读硕士学位期间独立进 行研究丁 .作所取得的成果。据本人所知，论文中除己注明部分外不包含他人已发表 或撰写过的研究成果。对本文的研究丁 .作做出茁要 W献的个人和集体，均已在文屮 以明确方式注明。本声明的法律结果将完全山木人承担。 莲于粒子群算法的汽轮机组回热系统优化设计系本人在华北电力大学攻读 硕士学位期间在导师指导下完成的硕士学位论文 a本论文的研究成果归华北电力大 学所有，本论文的研究内容不得以其它单位的名义发表 本人完全了解华北电

2、力大 学关于保存、使用 学位论文的规定，同意学校保留并向国家有关部门或机构送交论 文的复印件和电子版本，同意学校将学位论文的全部或部分内容编入有关数据库进 行检索，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或 扫描等复制手段保存、可以公布论文的全部或部分内容。 本学位论文属于 C请在以上相应方框内打 “ V” ） ： 保密 ，在 年解密后适用本授权书 不保密 W 华北电力大学硕士学位论文使用授权书 导师签名：円期 O. HJ年 月卜 n 国内图书分类号 :TK227. 1 国际图书分类号： 621 学校代码： 10079 密级：公开 专业硕士学位论文 基于粒子群算法的 汽轮

3、机组回热系统优化设计 硕士研究生：李飞 导师：周兰欣 申请学 位：工程硕士 专业领 域：动力工程 培养方式： 全日制 所在学院 ：能源动力与机械工程学院 答辩日期 ： 2015年 3月 授予学位单位 ： 华北电力大学 Classified Index: TK227.1 U.D.C: 621 Thesis for the Master Degree Optimal Design for the Regenerative Heating System of Steam Turbine Unit Based on Particle Swarm Optimization Candidate ： Sup

4、ervisor ： School ： Date of Defence ： Li Fei Zhou Lan-xin School of Energy , Power and Mechanical Engineering March, 2015 Degree-Conferring-Institution ： North China Electric Power University 回热系统是电厂热力系统的核心，它对全厂的热经济性起着决定性的作用。 因此，对回热系统进行优化设计具有重要意义。 粒子群算法 (PSO)作为近年发展起来的一种新型智能优化算法，以其收敛 快、操作简单日益受到重视。针对基本

5、粒子群算法存在的容易陷入局部最优等 缺点，对算法中的惯性权重引入动态自适应控制机制。建立了通用性核电机组回 热系统优化模型，以某 900MW核电机组为例，首次将 PSO算法应用于核电二 回路给水回热分配优化问题，并同原设计值、平均算法和遗传算法进行了比较 分析。结果表明，该算法具有良好的收敛性能和搜索性能，优化效果均好于其 他方法，验证了 PSO算法在发电设计领域的可行性和优越性。 将太阳能引入到常规燃煤电厂，实现光煤互补发电，成为降低火力发电成 本、减少温室气体排放和缓解能源短缺的一种有效手段。采用 DSG槽式太阳能 集热器，构建了太阳能集热系统集成于回热系统汽侧的通用性热经济性计算框 架，

6、并在此基础上，建立了通用性光煤互补机组回热系统优化设计模型。以某 600MW光煤互补机组为例，将 PSO算法应用于该类型机组给水回热分配优化 问题，并对不同集成方案优化前后的机组热经济和发电成本进行了分析。结果 表明：各集成方案优化后的机组循环热效率较优化前均有不同程度的提高；太 阳能集热器入口水源引自给水栗，出口蒸汽取代第 2段抽汽的方案在优化后的 混合发电成本最低，节能效果最优。 关键词： PSO;核电二回路；光煤互补；发电成本；优化设计 Abstract Regenerative heating system is the core of the thermal system, whic

7、h plays a decisive role for units thermo-economy. So, it has important significance to optimize the regenerative heating system. Particle swarm optimization (PSO) as in the recent years developed a kind of new intelligent optimization algorithm, with its fast convergence and simple operation is beco

8、ming more and more attention. Aiming at the existence of basic particle swarm algorithm easy to fall in local best master faults, dynamic adaptive weight PSO is put forward to improve the inertia weight. A universal nuclear power unit regenerative system optimization model was established, and takin

9、g a 900 MW nuclear power unit for example, PSO was applied to solve the feed-water heating allocation problem of nuclear power units for the first time, and then compared with the original design scheme, average distribution method and genetic algorithm. The calculation result demonstrates that PSO

10、has a better convergence ability and search performance, and is superior to other methods, so the superiority and feasibility of PSO is proved in the power generation design field. Introducing the solar energy into the conventional coal-fired power plants to realize solar-hybrid coal-fired power gen

11、eration is an efficient way to reduce thermal power costs, decrease the green-house gas emissions and alleviate the shortage of energy. The thermal efficiency computing framework of unit that integrating solar heating system into the regenerative system of steam side is constructed, which adopted DS

12、G trough solar collector. And on this basis, a general light coal complementary regenerative system optimization design model is established. Taking a 600MW solar-hybrid coal-fired power plant as an object of study, PSO was applied to solve the feed-water heating allocation problem of this power pla

13、nt, and computing and analyzing the thermal economic efficiency and hybrid generating cost of the unit for different integration schemes. The results demonstrates that: the unit thermal efficiency of all integration schemes have been improved to varying degrees after optimization; the scheme that th

14、e inlet water of the solar collector is quote from feed water pump and using steam at outlet of the heat collection system to replace the second stage extraction steam of turbine has the lowest hybrid generating cost. Keywords: PSO; nuclear power secondary loop; solar-hybrid coal-fired power plant;

15、power generation cost; optimal design ii 目录 m w . i Abstract . II g 录 . HI 第 1章绪论 . 1 1.1课题研究背景及意义 . 1 1.2相关课题研究现状 . 2 1.2.1传统分配方法 . 2 1.2.2智能优化分配方法 . 3 1.3课题主要研究内容 . 5 第 2章粒子群优化算法 . 6 2.1标准粒子群算法 . 6 2.1.1基本理论 . 6 2.1.2适应度函数和参数的设定 . 8 2.1.3粒子群算法流程 . 9 2.1.4粒子群算法特点及应用 . 10 2.2动态自适应粒子群算法 . 10 2.3本章小结

16、. 11 第 3章压水堆核电机组回热系统优化 . 12 3.1核电的发展概况 . 12 3.2压水堆核电二回路系统 . 12 3.3数学模型的建立 . 13 3.3.1基本概念与定义 . 14 3.3.2核电二回路热力系统汽 -水分布方程 . 17 3.3.3建立优化模型 . 18 3.4实例计算 . 19 3.5本章小结 . 24 第 4章光煤互补机组回热系统优化 . 25 4.1我国太阳能资源 . 25 4.2国内外太阳能发电研宄动态 . 26 4.3太阳能集热系统 . 28 4.4光煤互补机组热力系统数学模型 . 29 4.4.1集成方式 . 29 4.4.2汽 -水分布方程 . 31

17、4.5优化模型 . 33 4.6实例计算 . 33 4.7热经济性分析 . 36 4.7.1主要参数指标 . 37 III 4.7.2最佳方案的选取 . 38 4.8本章小结 . 39 第 5章结论与展望 . 41 5.1结论 . 41 5.2展望 . 41 . 43 攻读硕士学位期间发表的论文及其它成果 . 47 Ml . 48 IV 华北电力大学硕士学位论文 第 1 章 绪 论 1.1课题研究背景及意义 电力行业在我国经济生产、生活中占据重要地位 W。 自新中国成立以来，我国 电力工业有了巨大的发展， 1949年全国装机容量只有 1.85GW， 发电量只有 4310GW h,经过几代人的努

18、力，截至 2013年底，全国装机容量己经达到 11400GW， 发电量增加到 49400000GW+h，装机容量和发电量由世界第 25位上升到第 1位，人 均用电量达到 3675千瓦时，超过世界平均水平，但与此同时，巨大的成就的背后， 也存在着极其严峻的短板。 首先，我国的电力结构分布极不合理，作为世界上少有的几个以煤电为主的一 次能源国家， 2013年全国火电机组装机容量所占比重大概为 71%，而水利发电装机 容量只占到22%左右，而且由于季节性原因，不能承担主要的供电需求，同时我国 新能源发电比重严重落后 于发达国家。其次，在电力生产过程中，火电机组大量消 耗优质的煤炭资源，而我国一次能源

19、分布又极不均匀，全国五分之四以上的煤炭资 源和水资源分布在我国西、南部地区，而经济发达的东部地区煤炭资源仅占全国的 1%，水电资源不足 6%，与此同时，能源消费的 70%却集中在东部及沿海发达地区， 造成西电东送，北煤南运的格局 2，为此，全国铁路货运能力的 45%和水运总量的 1/3用于煤炭运输，极大的侵占的货运资源。此外，大量化石能源的燃烧又大大加 重了我国的环境污染，尽管采取了脱硫脱销等环保措施， S 2和 N x的排放总量 仍旧十分巨大，环保形势非常严峻。 我国正处于发展的战略机遇期，经济迅猛发展需要电力行业的大力支撑，表 1-1 为用弹性系数预测在 2020年 GDP翻番情况下的电力

20、需求 3。 表 1-1用弹性系数法预测 2020年全国的电力需求 方案类别 电力需求增长率 (%) 电力需求量 (亿 kWh) 装机容量 (亿 kW) 低方案 4.4 51920 11.5 中方案 4.6 55180 12.3 高方案 4.8 58620 13.0 由表 1-1可以看出，今后一段时期内，我国的电力需求将会持续快速增加，而 现实情况是我国近期内煤电的比例难以明显下降，为了能够充分保障各行业的发展 用电需求，以及早日实现国家十二五能源规划中碳排放降低 17%的目标，必须进一 1 华北电力大学硕士学位论文 步大力优化能源结构、减少 C 2等温室气体排放，发展低碳经济。为此，应着力从

21、两方面进行努力：进一步挖掘火力发电机组的节能潜力，降低发电煤耗；积极发展 可再生能源和清洁能源，如核能、太阳能、风能和地热能等。 我国的发电工业与世界上的发达国家依然存在的差距主要体现在两方面：相关 的设备制造存在差距，目前全国依然存在大量的小容量发电机组，这导致热耗率居 高不下，严重滞缓了设备自动化水平的更新换代；对电厂的运行管理水平存在差距， 我国大部分火电厂运行人员都是凭借经验进行操作，而国外发达国家则采用一系列 的操作仪器，如在线监测与诊断系统等，科学精准地进行运行操控。这些都推高了 我国的供电煤耗，截止 2013年底，全国平均供电煤耗率为 321g/kwh， 比世界先进 水平国家高大

22、约 10 20g/kwh。 在正视这些差距的同时，也说明我国发电工业还有这 巨大的发展前景和空间 4。 在化石能源日益枯 竭，而我国的能源需求越来越大的矛盾下，大力发展可再生 和清洁能源的重要性日益凸显，如太阳能和生物质能等由于起步较晚及技术条 件的制约，可再生能源的发电成本较高，这很大程度上束缚了其发展。在这种情况 下，将新能源发电与传统火力发电结合起来，实现优势互补，成为一种新的发电模 式。太阳能作为一种清洁且永不枯竭的能源，在这方面有着巨大的优势，实现光煤 互补发电进而也成为国内外学者争相研宄的方向。国际能源署 IEA和 Solar PACES 早在 1997年就将太阳能与其他能源相结合

23、的联合发电系统 (solar-hybrid system)列为 21世纪近期和中期太阳能热利用的发展目标我国也在国家能源科技十二五 规划中明确提出要大力发展光煤互补发电技术 8，同时由于我国太阳能资源非常 丰富，全国约 2/3地区平均日照时数大于 2000h。 因此，对光煤互补机组进行深入 的研宄具有重要的意义。 无论是常规火电机组、核电机组，还是光煤互补机组，都无例外的采用了给 水回热系统。作为整个发电厂的核心，回热系统对机组和电厂的热经济性起着决 定性的作用为了进一步实现节能减排，降低煤耗，提高电厂的热经济性，迫 切需要设计出更具通用性和效率更 高的回热系统。所以，对回热系统进行重新设 计

24、优化，不仅仅具有巨大的经济效益，更能得到良好的社会环境效益。 1.2相关课题研究现状 1.2.1传统分配方法 如何得到最佳的回热分配方案，国外发达国家早在上世界三、四十年代就己 经开始进行研究，并取得了一系列重大的研究成果。目前主流的思想是对于给定 2 华北电力大学硕士学位论文 的汽轮机组通过优化其每一级加热器的给水焓升，来达到提高热效率的目的。加 热器给水焓升分配方法主要有焓降分配法、平均分配法、等焓降分配法、几何级 数分配法、等效热降法及循环函数法等 11_16， 焓降分配法，也称雷日金法，是由前苏联学者雷日金提出。该方法忽略 g随 r 的变化，假定各级回热抽汽在各自加热器中的放量均为常数

25、，将每一级加热器内 水的焓升取为前一级至本级的蒸汽在汽轮机中的焓降。美国学者 J.K.Salisburg在雷 日金法的基础上进一步忽略各级回热抽汽在相应加热器中的放热量之间的差异， 提出了 “ 平均分配法 ” 。等焓降分配法的思路是将每一级加热器的给水焓升取作 等于汽轮机个回热抽汽点之间的焓降。这种分配方法是综合焓降分配法和平均分 配法得到的。 上述方法都是很早期的一些分配方法，均存在不同程度的假设条件，有些假 设甚至严重不合理，由于其约束条件过多，同时忽略了很多影响因素，从而影响 到加热器焓升优化分配的精度，因此逐步被上世纪 70年代后提出的等效焓降法 和循环函数法所取代。等效热降法首先由前

26、苏联学者库兹涅佐夫在 20世纪 60年代 后期提出，后经西安交通大学林万超教授拓展而形成的完整的理论体系。等效焓 降法以对多元函数求导、求极值的方法为基础，依据的是热平衡原理，其区别于 常规算法的特点是，不需要对整个热力系统进行全盘计算就能得到系统热经济性 参数，但 是等效热降法也有其自身不可忽略的缺点：该方法假定新蒸汽流量参 数、再热蒸汽参数、终蒸汽参数以及各级抽汽参数均为定值，所有的推导计算都 是此前提条件进行的，导致在计算过程中流量系数为一个近似值，从而使得最终 的计算结果也为近似值，具有较大的局限性。 上世纪 50年代美国 Salisbury提出加热单元的概念 17，后由马芳礼教授创立

27、了 “ 循环函数法 ” ，大大简化和方便了热力系统计算和分析。循环函数法主要是将 主循环划分为几个加入单元，建立单元进水系数的通用式，进而求出相应的热力 特效参数，然后把每一类的辅助循环都 作为一个封闭的循环进行研究，求出热力 特性系数，组合主、辅循环的热力特性系数，列出热力系统方程，但是该方法对 概念的理解要求比较高，推导繁琐。因此，在实际生产领域，相比等效热降法而 言，该方法应用较少。 1.2.2智能优化分配方法 上述传统的分配方法都是建立在函数极值理论的基础之上，基于精确的数学 算法，并且对系统做了简化处理，限制了它的应用范围。部分学者通过建立目标 函数和确定约束条件，借助于最优化理论中

28、的直接优化法，如在参数离散的条件 3 华北电力大学硕士学位 论文 下进行优化设计的动态规划法、非线性优化法、采用 “ 正多面体法 ” 进行非线性 优化求解的热力参数综合优化法、利用数学回归原理的单纯形加速法 18_21等。但 这些方法取得了一定的效果，但是结构粗糙，计算精度较低，如对某些，目标函 数，单纯形的顶点可能退化到一个低维的空间中，从而使迭代无法进行下去。这 些固有的局限性限制了上述这些方法的普及。 上世纪末以来，微机技术迅猛发展，使得以往一些被束缚在理论范围的优化 算法的快速普及成为可能，同时也为为回热系统的优化设计提供了更加广阔的平 台，同时社会经济的发展使得对热力系统的计算更加注

29、重通用性和智能化 22。热 力系统矩阵分析法以其较强的通用性，在借助计算机的条件下，迅速普及开来。 进入新世纪以来，我国的环境问题越来越突出，尤其是最近几年，空气污染己经 成为亟待解决的问题，这就要求我们进一步加大节能减排力度。在这样的大环境 下，火电厂作为全国污染排放大户，必须对其进行更大深度的节能研宄，这在客 观上对其热力系统计算精度有了更高的要求，尤其是大容量、高参数的机组成为 主流机型，由热力系统计算模型误差带来的煤耗偏差不容忽视。在这样的背景 下， 以前由于繁琐而受到忽略的常规计算方法，由于其高精度的特性，越来越显 示独特优势。如近年来出现的很多智能化的优化算法，如遗传算法，遗传退火

30、算 法，混合算法等 23-26。这些智能优化算法都是在常规计算方法的基础上，进一步 编制优化程序来进行寻优，以达到更优的效果。智能优化算法的不断普及应用给 热力系统回热优化提供了进一步提升的途径。 粒子群算法 (Particle Swarm Optimization)， 缩写为 PSO， 是近年来发展起来的 一种新的进化算法 27_32。 PSO通常通过 Matlab软件编制相应的优化程序，以当前 最优值为指引，通过不断地迭代寻找最优值，其主要的特点是其各粒子间独有的 通信功能，使得全体粒子进行快速的全局搜索，这大大提高了搜索精度和收敛速 度，同时该算法通俗易懂，较易实现。这些优点使得 PSO

31、迅速引起了学术界的重 视，并且将其应用到具体的工程领域中去，并取得了可喜的效果。经过学者们的 不断研究，粒子群优化算法已经广泛的应用与一些工程领域。如工程设计与优化 领域、电力系统领域、机器人控制领域、交通运输领域、通信领域、生物医学领 域等 P3_3 KC.Eberhart等采用经 PSO优化的神经网络实现了对人类肢体颤抖现象 的分析，并以较高的精确度完成了对正常颤抖和帕金森氏症的诊断功能。 D.Srinivasan在交通事故的预测领域，采用了将粒子群算法嵌入到神经网络中的方 法，效果明显。高海滨提出的基于连接结优化的 PSO(SPSO)算法，在提高分类误 差精度的同时加快了训练收敛速度。在

32、电力领域， PSO算法也取得了一定的成 就，如潮流优化计算、最佳负荷分配、电网扩展规划优化和参数辨识。 4 华北电力大学硕士学位论文 1.3课题主要研究内容 为了便捷、准确的实现给水在回热加热器中的焓升分配优化，最大程度的降低 电厂发电煤耗，本文引入自适应粒子群算法 (MDAPSO),分别对核电机组、光煤互 补发电机组的回热系统进行了优化计算。本文的研究工作包括以下几方面的内容： (1) 对 PSO算法中的惯性权重引入动态自适应控制机制，引入新的惯性权重更 新策略。 (2) 针对核电机组二回路系统的特点，经过严密的推导，构造了通用性核电机 组热经济性计算框架。并在此基础上，选择循环热效率作为优

33、化目标，抽汽压力作 为优化变量，建立了通用性核电机组回热系统优化模型。以某具体核电机组为例， 采用 Matlab软件编制粒子群优化程序，调用由 Visual编制计算程序，首次将粒子群 算法应用于核电二回路给水回热分配优化问题。 (3) 针对采用直接蒸汽发生系统 (DSG)的槽式太阳能集热器的光煤互补机组，对 太阳能集热器和燃煤机组回热系统的集成方式进行了研宄，建立了太阳能集热器与 燃煤机组回热系统协同优化模型。以某 600MW光煤互补机组为例，采用 Matlab软 件编制粒子群优化程序，调用由 Visual编制计算程序，引入粒子群算法对其 进行优 化设计，并对不同集成方案的机组进行了热经济性分

34、析，确定了最佳方案。 5 华北电力大学硕士学位论文 第 2章粒子群优化算法 粒子群算法 （ Particle Swarm Optimization， PSO)源于 John Henry Holland 于 1994 年提出复杂适应系统 (Complex Adaptive System， CAS)， 并由 Eberhart 和 Kennedy教授在1995年正式提出 38。它的基本概念源于对鸟群觅食行为的研究： 当鸟群随机搜寻某区域里的一块固定食物，在所有的鸟仅知道其当前的位置和 食物的距离而不知道食物具体位置的情况下，最简单有效的就是搜寻目前距离 食物最近的鸟的周围区域，然后通过鸟群之间的交流

35、，使得大部分鸟都向离食 物最近的这只鸟飞行，然后这时再重复上述过程，一次次的使整个鸟群接近食 物，这就大大缩短了寻找的时间。 PSO算法就从这种生物种群行为特性中得到 启发并用于求解优化问题。该算法概念清晰，参数设置简单，运算速度快，同 时又有深刻的智能背景，既适合科学计算又适合工程应用，最初只适用于处理 连续性问题，后来经过 改进也可对离散问题和混合整数规划问题进行求解。短 短数年内，粒子群优化算法己经获得了很大的发展，已广泛应用于函数优化、 车间调度、模糊系统控制等问题，特别是在电力系统、集成电路设计等应用领 域得到了成功应用。 2.1标准粒子群算法 2.1.1基本理论 在粒子群算法中，每

36、个待优化的目标函数值的最终解都是某个维度空间里 的某个固定的一个点，称为 “ 最优解 ” 。首先在允许范围内初始化为一群随机粒 子，所有的粒子都有一个被目标函数决定的适应值，赋予每个粒子一个速度值， 然后粒子们就追随当前的最优粒子来确定飞行方向，在解空间中不断地去搜索 接近最优值。具体的数学描述如下： 在 维 搜 索 空 间 中 有 m个粒子，第 /(/ = 1,2,./个粒子在第 d维中的位置 为： 速度为： 粒子适应度为： x,d=(xn， x,2， -， x,m) vu=vn- P,=Pn， P,2, ， ,v,m) P,m) 6 华北电力大学硕士学位论文 其所经历过的历史个体最优值记为

37、： Pbesti _ kXilbest， Xi2best， _ _ _， Ximbest) 整个群体中所有粒子经历过的历史全局最优值记为： GbeSt =(； best 2besf * * *? mbest 粒子通过跟踪上述两个极值，根据式 2-1和 2-2式来更新自己的速度和位置， 直到满足收敛条件，输出最终的为止。 vL+1 = wvl +(pLt - 4) + c2r2 (GLt - 4) 4+1=4 + vL+1 式中， t一一迭代次数； w 为惯性权重，取值在 0.1到 0.9之间； Cl、 C2 学习因子，通常取 = c2 = 2 ; r2一一为 (0,1)范围内变化的随机函数。

38、图 2-1描述了一个单个粒子在解空间搜索的示意图。 R前的冈域最佳解尸 (2-1) (2-2) 过去自： &经验 /_ /运动向 M 原来速度 / 新位罝 / + | 新速度 n棚賴紐解 Gw 原来位置 z 位置 : ： x JUI 图 2-1单个粒子在解空间寻优过程示意图 此外，粒子的速度 v被一个最大速度 vmax所限制。如果当前粒子的加速导 致它在某维度的速度 vw超过该维的最大速度 Vmax,心则该维速度被限制为该维 的最大速度 vmaX| ,。 由式 (2-1)可以发现，粒子飞行的速度由三个项组成：第一部分表示粒子维 持先前速度的程度，它维持算法拓展搜索空间的能力；第二部分为 “ 认

39、知 (cognition)” 部分，表示粒子本身的思考 ,粒子对自身成功经验的肯定和倾向，同 时存在适当的随机变动反映学习的不确定因素；第三部分 “ 社会 (social)” 部分， 表示粒子间的信息共享与合作。 “ 认知 ” 部分可由 Thorndike的影响法则 (law of effect)解释，即一个得到加 强的随机行为在将来更有可能出现。这里的行为即 “ 认知 ” ，并假设获得正确的 7 华北电力大学硕士学位论文 知识是得到加强的，这样一个模型假定粒子被激励着去减小误差。 “ 社会 ” 部分可由 Bandura的代理 (vicarious)加强概念解释。根据该理论的 预期，当观察者观

40、察到一个模型在加强某一行为时，将增加它实行该行为的几 率，即粒子本身的认知将被其他粒子所模仿。这正是 PSO算法的关键所在，即 通过群体间的交互及合作追求整体的最优状态，若没有第三项，算法将等价于 各个粒子 单独运行，得到最优解的概率就很小。 算法迭代终止条件一般为最大迭代次数或粒子群迄今为止搜索到的最优位 置的适应值满足预定的最小适应度阂值。由于所有粒子都根据自身经验和群体 经验不断向最优解的方向靠近，当所有粒子趋向同一点时，即认为达到了最优 位置。 2.1.2适应度函数和参数的设定 PSO算法在搜素过程中一般不需要其他的外部信息，仅依靠其适应度函数 值来对各个粒子的优劣进行评价。作为衡量粒子当前飞行位置优劣的指标，适 应度函数值也是实现粒子由初始位置不断的向最佳位置靠近的动力源，在 PSO 算法中有重要的意义。在实际问题中，有